基于先验驱动深度神经网络的泊松去噪变分模型

泊松去噪是一个典型的病态逆问题,其变分模型需要反复迭代和调节参数且计算效率低下,而纯深度学习模型往往依据经验设计网络且可解释性差。针对以上问题,在泊松噪声去噪变分模型的交替方向乘子法展开的基础上,设计端到端深度卷积神经网络,结合泊松噪声分布统计量与Bayesian最大后验概率估计推导出改进的泊松去噪变分模型。为了求解泊松去噪能量函数极值问题,采用交替方向乘子法,引入辅助变量、拉格朗日乘子和惩罚参数,将该问题分解为高斯去噪和图像重建两类交替优化子问题,先采用先验驱动的深度卷积神经网络实现高斯去噪,再通过解析迭代求解完成图像重建。实验结果表明,与基于非线性主成分分析、VST+BM3D、I+VST+BM3D和TRDPD的泊松去噪模型相比,改进模型在Set12数据集上的峰值信噪比均值分别提高2.73、0.87、0.57和0.50 dB,结构相似性均值分别提高0.148、0.046、0.020和0.047,在彩色图像及正电子发射断层扫描与计算机断层扫描图像上也明显提升了泊松去噪效果。上述实验结果证明了改进模型不仅有效去除了泊松噪声,而且避免了泊松去噪过程中产生的伪影和散斑等问题。

基于超分模型与改进Canny算法的零件测量系统

针对工业测量零件尺寸中存在测量精度低、算法适应性差等问题,设计了基于超分模型与改进Canny算法的机器视觉零件测量系统。首先,对相机进行尺寸标定,得到像素距离与实际尺寸的比例关系;其次,引入并改进超分模型对输入图片进行预处理,得到边缘细节更加清晰的图像;接着,为了优化工业测量环境中光照条件差导致的边缘检测问题,结合Otsu算法与双阈值分割算法,利用局部阈值分割的方式改进Canny边缘滤波算法得到边缘图像;最后,对边缘图像进行圆拟合与直线拟合后,根据相机标定结果与超分模型参数标记零件尺寸结果。实验结果表明,本系统的测量精度可以达到0.001 mm,平均测量误差为0.0074 mm,整体测量速度为6.44 s,能够满足高精度工业测量需求。

基于全球剖分模型的空间信息编码模型初探

为解决由于不同GIS数据模型中同一空间实体的编码不惟一而导致数据共享困难及标识的静态性和无空间位置等问题,鉴于全球剖分模型的全球连续性、多层次性以及剖分面片地址码的全球惟一性,该文提出了基于全球剖分模型的全球空间信息剖分编码(GeoDNA)模型,并设计了该编码模型的系统架构,试图实现全球空间信息的全息表达。通过对遥感影像中的空间实体进行编码试验,表明全球空间信息剖分编码模型将大大增强空间信息的维护与共享能力,加快信息的查询与检索速度,在区域性的应急反应上具有很强的理论和实用价值。

基于变分模型的动态最优潮流新算法

为解决传统动态最优潮流(DOPF)算法中计算速度和计算精度之间的矛盾,建立了电力系统DOPF的变分模型,推导了该变分模型的最优性条件。在此基础上提出了一种基于Radau配置法的DOPF求解新算法。该算法具有计算量小、计算精度高等特点。对某实际系统的分析结果表明算法能够满足在线运行的需求。

基于地图分幅拓展的全球剖分模型及其地址编码研究

针对现有诸多全球剖分模型与已有空间数据的存储结构严重不匹配现象,为了更有效地管理、组织和利用海量空间数据,设计基于地图分幅拓展的全球剖分模型。该模型以地图分幅划分方式为基础利用经纬度间隔对全球进行层次性剖分,较高效地实现对现有空间数据直接存储和索引的目的。在分析该全球剖分模型的特性后,给出其剖分面片的层次结构,并在该结构的基础上利用Hilbert曲线设计剖分面片的层次性地址编码方式,建立模型的地址编码空间。理论研究和试验表明,该剖分模型能够更有效地表达和管理多分辨率的全球空间数据。

隐式开曲面上多相图像分割的变分模型及算法

提出了一种隐式开曲面上多相图像分割的变分模型并设计了相应的对偶方法和Split Bregman算法。任意拓扑结构的开曲面用符号距离函数的零水平集与二值标记函数的交集表达,曲面上的多区域划分用n-1个二值标记函数划分n个区域的方案,借助内蕴梯度、内蕴散度等概念建立了隐式开曲面上多相图像分割的变分模型。在对标记函数交替优化的过程中,通过凸松弛技术将离散标记函数松弛为有界连续函数,从而将原优化问题转化为对不同标记函数的凸优化问题。通过引进对偶变量设计了对标记函数优化的对偶方法,并通过引进辅助变量和Bregman迭代参数设计了对标记函数优化的Split Bregman算法。通过多个数值实验对所提出的模型和算法的正确性及计算效率进行了验证。

基于分组字典与变分模型的图像去噪算法

针对加性高斯噪声去除问题,在现有传统的K均值奇异值分解(K-SVD)字典学习算法的基础上,提出一种将字典学习与变分模型相融合的改进算法。首先,根据图像的几何和光度信息将图像进行聚类分组,再将图像组按照边缘和纹理类别进行分类,根据噪声水平和图像组类别训练一个自适应字典;其次,将通过所学字典得到的稀疏表示先验与图像本身的非局部相似先验进行融合来构建变分模型;最后,通过求解变分模型得到去噪后图像。实验结果表明,与同类去噪算法相比,当噪声比率较高时,所提算法可以解决前期算法准确性较差、纹理丢失较为严重、产生视觉伪影等问题,在视觉效果上要更为理想;同时该算法结构相似性指数有明显提高,峰值信噪比(PSNR)的值更是平均提高了10%以上。

基于N-最短路径方法的中文词语粗分模型

预处理过程的词语粗切分,是整个中文词语分析的基础环节,对最终的召回率、准确率、运行效率起着重要的作用。词语粗分必须能为后续的过程提供少量的、高召回率的、中间结果。本文提出了一种基于N-最短路径方法的粗分模型,旨在兼顾高召回率和高效率。在此基础上,引入了词频的统计数据,对原有模型进行改进,建立了更实用的统计模型。针对人民日报一个月的语料库（共计185,192个句子）,作者进行了粗分实验。按句子进行统计,2-最短路径非统计粗分模型的召回率为99.73％;在10-最短路径统计粗分模型中,平均6.12个粗分结果得到的召回率高达99.94％,比最大匹配方法高出15％,比以前最好的切词方法至少高出6.4％。而粗分结果数的平均值较全切分减少了64倍。实验结果表明:N-最短路径方法是一种预处理过程中实用、有效的的词语粗分手段。

基于梯度场整体变分模型的无缝图像处理方法

提出了一种在梯度域中进行无缝图像处理的方法.在一般的整体变分模型中引入待处理区域的梯度场,得到一个扩展的整体变分模型,称为梯度场整体变分(gradient field totalvariation,GFTV)模型.无缝处理通过最小化模型函数来实现.基于GFTV模型的方法可应用于以下无缝图像处理:在图像中无缝地插入新的目标;无缝地修改图像中某个区域的纹理、光照等外观;图像的无缝拼接等.

基于变分模型的阵列三维SAR最优DEM重建方法

由于具备了下视3维成像能力,阵列3维SAR在地形测绘、灾害监测等领域具有广泛的应用前景。但是,载机平台尺寸的限制使得其阵列方向分辨率远远低于距离向和航迹向,严重制约了阵列3维SAR系统整体性能的提升。目前研究主要针对3维SAR图像的"稀疏性",采用稀疏重建方法提高其在阵列方向的分辨率。稀疏重建模型在求解过程中丢失了数字高程图(DEM)所具有的"单值性"、"连续性"等特征。为了克服稀疏重建模型存在的问题,该文提出了基于变分模型的阵列3维SAR最优DEM重建方法,该方法直接将DEM图作为最优化目标,通过寻找最优化DEM图和对应的散射系数,实现最小二乘意义下的最优DEM重建。仿真结果表明,该方法可以实现各种地形(山区、城市)的稳健DEM增强,其性能远优于OMP算法和正则化方法。

去除乘性噪声的小波变分模型

基于一个凸的全变差变分能量泛函,本文提出一个去除乘性噪声的小波变分模型.使用凸优化工具,给出该模型的交替分裂Bregman算法.相比于目前基于全变差去除乘性噪声的变分模型和分裂算法,新模型和算法形式简单,推广性强.一系列实验结果验证了本文算法及推广算法的有效性.

时滞差分模型与剩余产量模型的应用比较--以南大西洋长鳍金枪鱼为例

将剩余产量模型和时滞差分模型分别应用于南大西洋长鳍金枪鱼（Thunnus alalunga）渔业数据,结果表明,比起剩余产量模型,时滞差分模型拟合的单位捕捞努力渔获量（catch per unit effort,CPUE）曲线能够更好地捕捉到CPUE随着时间的波动。赤池信息量准则（Akaike information criterion,AIC）的结果显示,时滞差分模型比Schaefer模型的评估效果要好。时滞差分模型评估的最大可持续产量（maximum sustainable yield,MSY）中值为22 490 t,80%置信区间为21 756~23 408 t;剩余产量模型评估的MSY中值为27 520 t,80%的置信区间为26 116~28 959 t。生物学参考点的结果表明目标群体在1985年以前资源状态较好;1985年~2005年的20年里处于过度捕捞状态;2005年后资源状况得到改善,但仍需加强管理。比起剩余产量模型,时滞差分模型给出了更为有效且保守的评估结果。

基于二元语法的N-最大概率中文粗分模型

中文粗分是中文分词的基础环节,目前常用的粗分模型有基于规则的非统计模型和基于一元语法(uni-gram)的统计模型,其中后者取得了较好效果。在一元语法模型基础上提出了一种基于二元语法(bi-gram)的N-最大概率中文粗分模型,该模型把所有可能的词切分构造成一个有向无环图(DAG),利用噪声—信道模型和二元语法来计算概率,通过插值平滑技术来解决数据稀疏问题,目的在于更好地得到少量高召回率、高效率的粗分结果,更大程度地保留歧义字段和未登录词,提高后续分词质量。通过理论分析、模型建立和初步实验验证了模型的有效性。

基于变分模型的梯度域色阶映射算法

针对梯度域动态范围压缩算法存在伪边缘以及局部细节扭曲等现象,提出了一种基于变分模型的梯度域色阶映射方法。首先,在梯度域内构造了一个既能够压缩图像的动态范围又能够保证边缘与细节信息的变分模型;其次,将Gibbs采样的思想引入到最速下降法中,在求解变分模型最优解的同时有效地提高了无约束最优算法的收敛速度;最后通过改进的最速下降法得到变分模型最优解。实验结果表明该算法能够有效地去除光晕,得到细节保持完好的低动态范围图像。另外,改进的最速下降法保证了算法的实时性。

小波域多角度轮廓模板变分模型的单幅图像超分辨率重建

近年来图像超分辨率重建技术因其可以提高图像的识别精度和识别能力而受到重视,其中一个难点问题是如何保证图像边缘纹理区域的重建质量.本文提出一种基于小波域的单幅图像超分辨率重建方法,首先对输入图像进行非下采样小波变换,根据小波变换的多方向性提出三类多角度模板,并采用TV模型估计各子带轮廓,确定其所属的最优方向,然后利用多角度模板来对各个子带进行双三次B样条插值,最后进行非下采样小波反变换.该方法使重建后图像的边缘、纹理信息更加精细,克服了诸如双线性插值法与双三次插值法等传统插值重建所产生的边缘模糊与边缘锯齿化,以及纹理区域失真等不足,在一定程度上提高了重建图像的质量.该方法可用于图像监控、遥感影像分析和医学图像处理等领域.大量的仿真实验验证了所提出方法的有效性.

一种基于变分模型的泊松-高斯噪声图像复原算法

为了改善已恢复图像的图像质量,提出一种基于变分模型的图像复原算法.首先通过多曝光图像成像算法重建出对于光照具有线性响应的亮度图像,并采用泊松-高斯噪声模型对图像退化过程进行建模;然后通过分析亮度图像的同态子块,将泊松-高斯噪声模型的未知参数估计问题转化为求解一个线性方程组;再根据贝叶斯公式和最大后验概率准则推导出一个具有严格凸函数性质的变分模型,其最优解即为对于无噪图像的最优估计;最后利用最小二乘法以及最速下降法分别对噪声的参数以及无噪图像进行估计.实验结果表明,本文算法能够在抑制噪声的同时保证图像的细节与图像质量.

倾斜影像整体变分模型阴影检测算法改进

利用整体变分模型进行倾斜影像的阴影检测时,绿色植被的误检测会降低阴影检测的正确率,对此,提出一种适用于包含复杂地物的倾斜影像阴影检测算法。算法引入可见光波段差异植被指数(visible difference vegetation index,VDVI)去除植被对阴影像素的干扰,并对检测结果进行有效补偿。首先,利用VDVI提取影像中植被区域,剔除阴影中错误的植被像素,提高算法阴影检测的正确率;然后,利用Wallis滤波算法对检测出的阴影区域进行补偿,使其像素灰度与周围非阴影像素具有一致性;最后,对Wallis补偿后的结果采用渐入渐出插值算法对影像边缘效应进行处理。以倾斜影像作为实验数据,对改进后的算法进行阴影检测精度评定与补偿测试。实验证明,改进的阴影检测算法性能得到提升,整体检测率达到97.24%,并且经过边缘处理的阴影区域具有较好的目视补偿效果。

箱基、框架和地基土空间共同工作的变分模型

采用空间子结构法将上部框架结构凝聚为一个“超级”空间单元，按照抗弯刚度等效的原则，将箱基代换为分别支承在有限分层弹性地基和文克尔地基上的弹性平板，再利用能量变分原理建立框架、土体和箱基三者空间共同工作的数学模型。该模型明确地显示了三者的受力关系，合理地体现了三者共同工作的三维效应，同时，由于引入凝聚技术，比一般的空间分析方法显著节省计算工作量。

基于扩散张量的自适应正则化变分模型

结构张量是描述图像的有效工具。利用结构张量对图像灰度变化的方向和大小进行判断,提出基于扩散张量的自适应正则化变分模型。该模型将冲击滤波器耦合在其中,使其在恢复图像的同时能有效地增强边缘。同时,给出一种构造正则化参数的方法。仿真实验表明,该模型在对带噪图像进行自适应恢复时,能较好地保护边缘信息,增强纹理特征,得到了较为满意的结果。

基于总变分模型的光照不变人脸识别算法

提出了一种基于L1总变分模型的对数商图像光照不变人脸识别算法。用L1总变分模型作为低通滤波算子对图像平滑滤波,得到图像光照分量的估计,然后在对数域中定义原图像与其光照分量的商为光照归一化图像,并用该图像作为光照不变量进行人脸识别。基于L1总变分模型的平滑滤波具有较好的边缘保持作用,能有效地消除光晕现象,并且参数设置简单。在YaleB和CMU PIE人脸图像库上的试验结果表明,该算法能有效地提高人脸识别系统在不同光照条件下的识别率。